Un equipo de la Facultad de Medicina de la Universidad de Stanford creó TranscriptFormer, un modelo de inteligencia artificial entrenado con datos de 112 millones de células de 12 especies. Su objetivo es comparar biologías celulares y encontrar posibles vínculos entre distintos organismos, enfermedades y enfoques terapéuticos a nivel celular, informó Phys.org.
Se trata de la segunda generación de estos modelos, tras el concepto conocido como universal cell embedding, que asigna a cada célula una posición o “coordenada” en un espacio matemático compartido para facilitar la comparación entre especies. Para construirlo, el sistema reunió información de levaduras y seres humanos, junto con ratones, conejos, pollos, peces cebra, moscas de la fruta, ranas africanas de uñas, el parásito causante de la malaria, erizos de mar, esponjas y el nematodo Caenorhabditis elegans. Los datos provienen de atlas celulares, bases que organizan células y tejidos según los genes que expresan.
La investigación fue publicada en dos artículos de Nature y Science. En la base del trabajo está la idea de que el genoma contiene las indicaciones de la vida, pero la identidad funcional de una célula depende de su expresión génica. Este patrón de actividad genética permite distinguir tipos celulares, diferenciar células sanas de las enfermas y comparar organismos distintos. Por ejemplo, una célula beta del páncreas expresa el gen de la insulina y otros relacionados con su almacenamiento y liberación; los linfocitos B producen anticuerpos; y una célula de la piel puede activar genes vinculados al pelo o a la pigmentación.
La afirmación de que la cantidad de información genética es enorme y supera la capacidad humana para analizarla de forma simultánea llevó a Quake a subrayar el desafío: “¿Cómo pensamos en todos estos genes a la vez? El cerebro humano no puede. Estos modelos nos ayudan a hacerlo”. Según el profesor Stephen Quake, coautor principal, los algoritmos permiten procesar datos tan complejos que los humanos no alcanzan a abarcar.
TranscriptFormer aprendió a reconocer perfiles de expresión génica usando un enfoque comparable al de grandes modelos de lenguaje, como ChatGPT: en lugar de palabras, el modelo maneja valores de expresión génica. El resultado es un espacio matemático común para ubicar y medir semejanzas o diferencias entre células, incluso de distintas especies, lo que facilita observar sus relaciones.
Las comparaciones entre especies permitieron avanzar en el debate sobre la evolución de las neuronas, ya que el modelo ofrece pistas sobre cómo se conectan ciertas células entre linajes distintos. En conjunto, la investigación marca un nuevo marco para la biología celular comparativa y abre posibles rutas hacia terapias celulares basadas en estos principios.